Les influenceurs et leurs impacts sur les choix des consommateurs dans le contexte d’Instagram
Bibliographic record
Abstract
L’intérêt pour les influenceurs numériques comme outil de communication et de vente pour les marques s’accroît de manière considérable au cours des dernières années. Il reste toutefois beaucoup à explorer pour mieux comprendre comment les influenceurs peuvent créer un lien de confiance avec leurs abonnés et ainsi façonner leurs perceptions et leurs comportements. Cette étude vise donc à évaluer la perception des abonnés d’Instagram afin de comprendre leur relation avec les influenceurs ainsi que le processus d’influence qui en découle. Pour ce faire, la théorie des usages et des gratifications et le modèle « Stimulus – Organisme – Réponse » ont été combinés afin d’étudier le phénomène sous un angle plus analytique. En effet, cette recherche contribue à la littérature scientifique en offrant un cadre complet qui démontre comment les actions des influenceurs permettent de combler certains besoins des consommateurs et influencent ainsi l’intention d’achat des produits promotionnels et la loyauté envers cet influenceur. Les résultats d’un échantillon de 159 répondants à un questionnaire administré en ligne démontrent plusieurs effets de médiation entre les variables. Pour l’intention d’achat des produits promotionnels, les relations sociales, la recherche d’information et l’identification personnelle médient complètement sa relation avec le design visuel du compte de l’influenceur ainsi que la qualité informationnelle des produits promotionnels. Ainsi, les liens significatifs du modèle conceptuel expliquent 32,2% de l’intention d’achat des produits promotionnels. Puis, pour la loyauté envers l’influenceur, les liens significatifs du modèle permettent d’expliquer 58,2% de sa variation. Puis, l’impact du design visuel et de la qualité informationnelle sur la loyauté est médié partiellement par l’identification personnelle. La distraction a également un impact significatif positif sur cette variable dépendante. Ainsi, l’interactivité ne présente aucune relation significative, ce qui permet d’éliminer en partie l’ambigüité dans la littérature scientifique. La découverte de ces relations permettra aux professionnels du marketing de mieux comprendre le processus du consommateur pour adopter les recommandations des influenceurs ainsi que les approches à privilégier pour enclencher cette action. Cette étude démontre également l’importance de certains aspects pour favoriser la loyauté envers les influenceurs, un facteur clé pour les collaborations à long terme avec les entreprises. L’intégration de théories provenant de deux domaines distincts, soit la psychologie et le marketing, permet d’offrir un cadre plus complet du phénomène des influenceurs en contexte d’affaires et ouvre un nouvel angle pour des recherches futures.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".